融合多层深度特征的核相关滤波跟踪算法

针对核相关滤波算法(KCF)难以处理目标尺度变化、旋转、遮挡等问题,本文在KCF的框架下提出了一种融合多层深度特征的抗遮挡目标跟踪算法。首先,在频域中,利用岭回归分类器训练VGG-2048上的conv3和conv6两层深度特征,分别得出置信度,将两者特征加权相连,替代原KCF的方形梯度直方图(HOG)特征,同时引入第1帧目标的残留信息,获得更为出色的位置响应输出。然后,针对遮挡问题,提出一种响应峰值判断抗遮挡机制。最后,通过双线性插值建立深度特征尺度池,解决目标尺度问题。在测试集(OTB-100)上的实验结果表明,改进后的算法能解决复杂环境下的目标跟踪问题,算法具有鲁棒性。     

基于混沌粒子滤波的视频目标跟踪

针对复杂场景中目标受光照、自身形变、遮挡等影响,本文以混沌粒子滤波为框架,建立多特征似然模型,进行目标遮挡处理,提出了一种鲁棒性好且抗遮挡性强的混沌粒子滤波跟踪算法.本算法中利用混沌优化搜索优化粒子,很好的克服了退化现象,减少了计算量,在多特征似然模型建立中,对特征选择做了改进,使算法鲁棒性更好,并在算法中添加了遮挡处理.理论数据及实际场景的仿真结果表明,本文提出的算法鲁棒性好且具有较强的抗遮挡能力.     

改进的粒子滤波目标跟踪算法

针对环境迁移、目标被遮挡或姿态变化较大时传统粒子滤波算法的鲁棒性不强的问题,提出一种改进的粒子滤波目标跟踪算法。建立目标模型时,将目标的HSV颜色特征和Uniform LBP纹理特征进行加权融合;粒子重采样过程中,采用加权随机采样方法,将粒子权值作为重采样的影响因子而非决定因子,以提升粒子多样性,降低粒子衰退对目标跟踪的影响;目标被干扰时,采用卡尔曼滤波对目标位置进行偏移校正,以获取目标正确位置;最后采用模板更新策略对目标模板进行实时更新。实验结果表明：相较于传统粒子滤波算法和CMT算法,本文算法对复杂环境中目标被遮挡和姿态变化的情况下都具有较好的鲁棒性。     

基于全局和局部信息的目标跟踪算法

图像序列中的运动目标在跟踪过程中容易受到复杂环境以及严重遮挡所影响。针对该问题,提出一种基于全局信息和局部信息的混合粒子滤波算法。新算法在传统粒子滤波的基础上引入了多子块纹理直方图,它包含了目标的局部空间信息,使得跟踪算法的鲁棒性有所提高;根据目标受遮挡的程度自适应调节全局和局部信息对目标定位的贡献,在一定程度上提高了算法的抗遮挡能力和适应能力,实验结果表明该算法在目标处于部分遮挡和严重遮挡时能够达到比较理想的跟踪效果。     

多特征融合的非线性目标跟踪算法

为克服视频目标跟踪中仅利用单一特征易导致的跟踪失败,提出了一种基于多特征融合的非线性目标跟踪算法.通过灰度直方图来表征目标的总体分布,利用边缘特征来提取目标的高频细节,将两者融合于粒子滤波的概率模型框架中.并提出一种基于半峰宽和贡献度的特征可信度计算方法,动态调节粒子数目,使可信度高的特征拥有较多的粒子.最后,进行了目标跟踪仿真实验,结果表明,该算法具有较强的抗局部遮挡能力,与单特征跟踪算法相比,平均跟踪误差减小了0.5个像素.     

多特征融合的非线性目标跟踪算法

为克服视频目标跟踪中仅利用单一特征易导致的跟踪失败,提出了一种基于多特征融合的非线性目标跟踪算法。通过灰度直方图来表征目标的总体分布,利用边缘特征来提取目标的高频细节,将两者融合于粒子滤波的概率模型框架中。并提出一种基于半峰宽和贡献度的特征可信度计算方法,动态调节粒子数目,使可信度高的特征拥有较多的粒子。最后,进行了目标跟踪仿真实验,结果表明,该算法具有较强的抗局部遮挡能力,与单特征跟踪算法相比,平均跟踪误差减小了0．5个像素。     

Kalman滤波融合优化Mean Shift的目标跟踪算法

目标跟踪中,目标的背景变化、形状改变、遮挡,往往会导致跟踪失败,而跟踪的实时性和准确性是必须考虑的问题。本文首先对Mean Shift算法进行了介绍,接着对Mean Shift算法进行了优化:修正Mean Shift算法迭代权值,修正后主要信息贡献更加突出,次要信息受到抑制,避免了开方的繁琐运算,降低了运算量。提出了目标模板更新算法,解决了背景变化和目标形状改变时跟踪失败的问题。然后在水平位置和竖直位置建立Kalman滤波器,同时将优化Mean Shift算法与Kalman滤波融合,解决了目标完全遮挡后无法继续跟踪的问题。仿真实验表明,本文提出的目标跟踪算法在目标遮挡,目标形状改变,目标跟踪失败的情况下具有更高的跟踪精度,更高的实时性和鲁棒性。     

改进特征和时间融合框架的区分式跟踪算法

文章基于多示例学习的跟踪框架,引入改进型的分布场特征并融合目标时间维度信息,提出了一种新的跟踪算法。新的特征能够更为有效地描述目标的空间结构信息,对于目标模糊、局部遮挡以及细微形变有良好的鲁棒性。加入的目标时间维度信息融合方法,包含了目标的历史信息,同时也能响应目标的外观变化,提高了跟踪器从跟踪异常中恢复的能力。通过对比新算法与其他先进算法在多组测试视频上的跟踪结果,可以发现本文提出的算法具有更为优异的性能,能够在各种复杂情况下对目标进行稳定的跟踪。     

光伏电池边缘检测算法研究

为了满足晶硅光伏电池视觉印刷高精度边缘定位要求,本文提出了一种改进的亚像素边缘定位算法.该算法首先应用Sobel算子和线性插值得到边缘垂直方向上新的边缘图像;最后对插值的边缘图像使用改进的灰度矩算子,得到的亚像素边缘.同时本文进行改进亚像素检测算法与传统亚像素检测算法的精度及鲁棒性对比实验.结果表明:本文算法比传统亚像素定位算法有着更好的定位精度和鲁棒性,直线检测精度能达到1μm;在高噪声污染的图像有着较高的检测精度,其标准差为0.195μm.     

复杂背景下的红外目标自动跟踪算法

提出了一种非线性边缘检测和Mean Shift方法相结合的红外目标检测与跟踪算法.采用双窗口算子的非线性边缘检测算法具有计算量小、速度快、图像质量好等优点.在边缘检测后的二值图像基础上,利用改进的Mean Shift跟踪算法实施目标跟踪.该跟踪算法融合了计算目标区域局部标准差的信息;利用灰度值和局部标准差的概率密度函数来描述目标;同时选择核函数级联方式进行目标密度估计,从而弥补了仅用灰度信息描述目标特征的不足.实验结果表明,该跟踪算法检测出的复杂背景下红外目标边缘清晰,并且能够准确地对目标实施自动跟踪.     

基于改进的灰色关联度的根系图像边缘检测

目的实现对植物根系形态基本参数的计算和分析。方法针对阵列分布内窥式图像获取技术采集的根系图像,提出一种改进的灰色关联度的边缘检测算法。该算法基于灰色关联分析理论,采用变权的邓式关联度模型,利用Sobel算子的2个模板作为参考序列,选取像素的八邻域分量值形成比较序列,通过两类序列之间的关联度实现边缘检测。结果仿真结果表明该算法与传统的边缘检测算子相比,能够较准确地检验出有用的根系边缘信息。结论基于Sobel算子的变权关联度的根系边缘检测算法有效地提高了边缘检测效果,具有一定的抗噪性能。     

PSO-Gabor-CNN算法在印刷品套印缺陷的检测

目的二维Gabor滤波器含有多个参数,在印刷品套印缺陷检测中,二维Gabor滤波器使用不同参数增强图像特征的效果差别较大,为了获得二维Gabor在某印刷品套印缺陷检测下的优化参数。方法在印刷品套印缺陷检测中,提出一种PSO-Gabor-CNN算法,采用Sobel算子对印刷品图像进行边缘检测,以粒子群算法(PSO)对二维Gabor滤波器的中心最大频率kmax、带宽σ、模板窗口window进行参数寻优,处理后的图像与模板图像采用加权欧式距离进行评价。然后用优化后的Gabor滤波器对图像进行滤波,最后采用卷积神经网络(CNN)对印刷品套印缺陷进行检测和分类。结果通过粒子群算法,确定了二维Gabor中心最大频率kmax为6.0476、带宽σ为0.1444、模板窗口window为27×27取得最佳效果,此时加权欧式距离为1.1927×10-33。卷积神经网络经过70次训练的均方误差为0.0035,测试样本正确率为96.93%。该方法与无数据预处理的BP神经网络(BPNN)、Sobel预处理的BP神经网络(Sobel-BPNN)、无数据预处理的卷积神经网络(CNN)、Sobel预处理的卷积神经网络(Sobel-CNN)对比,表现出了较好的识别效果。结论该方法可以获取二维Gabor滤波器的较优参数,从而获得较好的滤波效果,将其应用于套印缺陷检测,具有一定的应用价值。     

基于Canny算子的改进的图像边缘检测方法

本文简要介绍了Canny算子边缘检测的基本原理,并对其性能进行了分析和评价。针对传统Canny算子在滤波过程中存在的缺陷,文章提出了一种基于自适应平滑滤波的改进Canny边缘检测算子,该算法根据图像中像元灰度值的突变特性,自适应的改变滤波器的权值,在平滑图像的过程中使图像的边缘锐化。通过对实验图像的分析表明,改进的检测算法对图像边缘提取具有较好的检测精度和准确性。     

A Novel Non-Invasive Method for Extraction of Geometrical and Texture Features of Wood

Non invasive feature detection in wood based application requires exact discrimination between geometrical edges and texture. It has been found that traditional edge detection algorithms are highly sensitive to noise and texture and produces inferior results with wood. The present work encompasses a micro level reconstruction of Palash and Rosewood by using micro X-rays CT scanner. It also encompasses a new edge detection algorithm using newly constructed Chebyshev polynomial based fractional order differentiator. Transform based method has been used for reconstruction purpose. Newly designed fractional order filter has been applied on these reconstructed images. Chebyshev polynomial based fractional order differentiator has been used for filtering operation. Quadrature Mirror Filter (QMF) concept has been used for design of high pass filter and low pass filter. Preprocessing has been performed by using this filter. Canny edge detection algorithm has been used on this preprocessed image. The algorithm has been tested on two different test cases of wood images a) Palash and b) Rosewood. The effect of relaxation coefficient has also been presented and discussed.     

靶丸目标图象预处理

主要阐述了提取ＩＣＦ实验中靶丸目标边缘轮廓的图象处理方法。包括Ｓｏｂｅｌ边缘检测算子在内的多种方法都能够检测目标物体边缘及实验但未改进的算法在实验中效果不是很好。处理结果达到了实验的要求。     

Detection improvement in spatially filtered x-ray fluoroscopy image sequences

The effect of spatial noise-reduction filtering on human observer detection of stationary cylinders mimicking arteries, catheters, and guide wires in x-ray fluoroscopy was investigated in both single image frames and image sequences. Ideal edge-preserving spatial filtering was simulated by filtering of the noise before addition of the target cylinder. This allowed us to separate the effect of edge blurring from those of noise reduction and spatial noise correlation. We used three different center-weighted averagers that reduced pixel noise variance by factors of 0.75, 0.50, and 0.25. As compared with no filtering, the effect of filtering on detection in single images was statistically insignificant. This indicated an adverse effect of spatial noise correlation on detection that countered the effect of noise reduction. By comparison, spatial filtering significantly improved detection in image sequences and yielded potential x-ray dose savings of 26-34%. Comparison of results with two observer models suggested that human observers have an improved detection efficiency in spatially filtered image sequences as compared with white-noise sequences. Pixel noise reduction, a measure commonly used to assess filter performance, overestimated the effect of filtering on detection and was not a good indicator of image quality. We conclude that edge-preserving spatial filtering is more effective in sequences than in single images and that such filtering can be used to improve image quality in noisy image sequences such as x-ray fluoroscopy.     

基于自适应特征融合的多尺度相关滤波跟踪

为了减小目标跟踪中目标变形、光照影响、运动模糊以及目标旋转对跟踪效果的影响,在相关滤波KCF基础上,提出了一种基于自适应特征融合的多尺度相关滤波跟踪算法。首先,提取VGG19网络中conv2-2、conv3-4、conv5-4层的特征以及CN特征,并在conv2-2层加入CN特征;然后,将这3个特征分别代替HOG特征进行滤波学习,得到3幅响应图;进而对3幅响应图进行加权融合预测目标位置。最后,在尺度方面引入多尺度相关滤波器进行尺度的确定。该算法比KCF跟踪算法精确度和成功率分别提高了13.6%和11.8%。与现有的其他优异跟踪算法相比,该算法在应对运动模糊、背景杂乱、目标变形、平面旋转方面更具有较好的跟踪效果。     

结合数学形态学和Level Set超声图像的分割方法

针对噪声严重的超声图像,提出了一种结合数学形态学和Level Set的分割方法。首先采用全变差模型进行图像滤波,再通过交互式区域选择和数学形态学方法获得感兴趣目标的二值化图像,并把该二值化图像轮廓作为水平集方法的初始曲线。改进隐式测地活动轮廓模型(GAC)中的边缘检测函数,增强了处理弱边缘的能力。分割结果表明,该方法能够准确地提取出目标轮廓,同时减少了迭代次数和运算时间。     

基于Halcon的贴片电阻方向检测系统

目的设计贴片电阻方向检测系统,以解决当前贴片电阻排序编带过程中存在的检测效率低和检测精度低等问题。方法采用改进的基于形状的模板匹配算法,以机器视觉软件Halcon为平台,利用Canny边缘检测算子和Sobel算子进行边缘检测和滤波,生成模板图像的边缘点位置向量和梯度向量,并以模板边缘点与图像搜索区域的对应点的内积和作为相似度量,进行模板匹配。结果检测系统的识别时间为33 ms,同时其平均识别准确率达99.5%以上,相比于传统人工检测有较大提高。结论该系统具有良好的速度和准确度,可满足工业生产要求。     

基于边缘检测算法的对焦评价函数改进研究

本文针对现有边缘检测算法构建对焦评价函数的不足,提出了一种改进的基于Sobel算子的边缘检测算法,该算法能在一定程度上有效地解决由计算中的方位局限产生的边缘粗糙,在极点附近尖锐性表现不明显等问题,能更好地满足对焦评价函数的性能特征。本文最后通过仿真实验证明了该改进算法可行,在峰值两侧具有很好的单调性,比其它同类算子变现出更高的灵敏度,可以较好地满足对焦评价标准。